本发明属于数据处理,具体是指基于人工智能的无人机路径规划方法及系统。
背景技术:
1、无人机因其具备的众多优点而被广泛应用于人们的日常生活中,无人机路径规划是指规划出一条最优路径,无人机通过该路径能够高效率抵达目的地,同时避开障碍物或者禁飞区域。但是一般无人机路径规划过程中存在考虑因素不当导致路径规划准确性低的问题;存在遍历不当降低搜索效率,无法实时更新起始点和成本导致搜索灵活性差的问题。
技术实现思路
1、针对上述情况,为克服现有技术的缺陷,本发明提供了基于人工智能的无人机路径规划方法及系统,针对一般无人机路径规划过程中存在考虑因素不当导致路径规划准确性低的问题,本方案综合考虑路径耗能和禁飞区域,提高安全性,权衡耗能成本和估计成本评估路径的可行性和效率,基于设计评价函数得到总成本量化路径的优劣;针对一般无人机路径规划方法存在遍历不当降低搜索效率,无法实时更新起始点和成本导致搜索灵活性差的问题,本方案通过检查禁飞区域,针对不同禁飞区域情况得到切点和停止点进行路径规划,减少遍历,提高搜索效率,根据禁飞区域位置实时调整切点和停止点,自适应避开禁飞区域。
2、本发明采取的技术方案如下:本发明提供的基于人工智能的无人机路径规划方法,该方法包括以下步骤:
3、步骤s1:数据采集;
4、步骤s2,预定义,定义飞行速度、飞行距离和估计成本;
5、步骤s3:更新成本,通过更新最短路径成本、更新估计成本、设计评价函数进而得到总成本;
6、步骤s4:路径规划,根据禁飞区域的不同情况找到切点和停止点,通过评价函数选择切点,从而进行路径规划;
7、步骤s5:定义目标函数。
8、进一步地,在步骤s1中,所述数据采集是采集无人机位置数据,禁飞区域数据、无人机的速度数据和无人机的姿态数据。
9、进一步地,在步骤s2中,所述预定义具体包括以下步骤:
10、步骤s21:定义飞行速度,处于飞行状态的无人机有维持飞行状态的最小速度和受模型限制的最大速度,这个范围内的所有速度都用集合表示,表示如下:
11、;
12、式中,vs是速度集合,v是速度,vmax是最大速度,vmin是最小速度;
13、步骤s22:定义飞行距离,在计算无人机轨迹时,首先考虑两个相邻的力矩,将相邻两点之间的运动轨迹视为一条直线,投影到坐标系的x轴和y轴的距离从而得到无人机t时刻在坐标系中的位移,计算位移增量的累积和从而得到无人机飞行的距离,计算飞行距离所用公式如下:
14、;
15、;
16、;
17、式中,x0是无人机位移前的横坐标,x是无人机位移后的横坐标,y0是无人机位移前的纵坐标,y是无人机位移后的纵坐标,θt0是无人机位移前的垂直坐标,θt是无人机位移后的垂直坐标,ω是无人机的角速度,是时间变化量;
18、步骤s23:定义估计成本,基于速度集合得到平均速度,根据飞行距离和平均速度得到估计飞行时长,进而得到飞行耗费能源即估计成本。
19、进一步地,在步骤s3中,所述更新成本具体包括以下步骤:
20、步骤s31:更新最短路径成本,所用公式如下:
21、;
22、式中,dl(i)是更新后的最短路径成本,dl'(i)是更新前的最短路径成本;成本即耗费能源;p(i)是选择节点i的概率;若点i是禁飞区域,则将p(i)设为0,无人机继续探索,若点i不是禁飞区域,无人机可以通过,将p(i)设为1,并更新dl(i)的值;
23、步骤s32:更新估计成本,在路径的起点和终点附近禁飞区域,这些禁飞区域的大小和影响程度不同,更新估计成本的公式如下:
24、;
25、式中,gc(i)是更新后的估计成本,gc′(i)表示更新前的估计成本,i是无人机当前位置的节点,gc′(i,wi)是从当前位置i移动到下一个节点wi的预估成本,distance(wi,wj)表示从下一个节点wi到最终目标点wj的距离,wi是下一步要探索的节点,wj是无人机最终目的地的节点;
26、步骤s33:设计评价函数,所用公式如下:
27、;
28、式中,ζ是评价值,dist(i)表示无人机当前位置与禁飞区域之间的距离,用于描述无人机与禁飞区域的接近程度;velocity(v,ω)是无人机在当前位置的速度在矢量方向速度值;和τ是评价权重系数;
29、步骤s34:计算总成本,所用公式如下:
30、;
31、式中,zb(i)是从全局起点到全局目标点的总成本,i是探索节点,具体坐标为(ix,iy)。
32、进一步地,在步骤s4中,所述路径规划具体包括以下步骤:
33、步骤s41:初始化,设置全局起始点和全局目标点,使用欧几里得距离计算当前位置与全局目标点之间的线性距离;设置起始点的成本dl(i)为0,并计算从当前位置到目标点的估计成本gc(i);
34、步骤s42:若路径地区只存在一个禁飞区域,无人机沿着经过当前起始点与禁飞区域相切的直线移动,当移动到禁飞区域中间时,无人机沿着经过全局目标点与禁飞区域相切的直线移动;
35、步骤s43:若同时存在多个禁飞区域,首先计算起始点与每个禁飞区域的中心点之间的距离,得到多个距离值;然后选择距离起始点最近的禁飞区域,连接当前起始点和全局目标点,将线段从当前起始点开始沿着线段法线方向移动,直到线段与禁飞区域相交或达到预设的边界;当线段与禁飞区域相交时,找到与禁飞区域相交的点,将其作为切点;若是达到预设的边界但没有与禁飞区域相交的点,将其作为停止点;
36、步骤s44:计算当前位置到最近的两个切点或停止点的评价函数值,选择评价函数值最高的点;设点为i1,将当前起始点与点i1连接,若延伸的射线不与其他禁飞区域相交,则计算此时的zb(i1);若射线与其他禁飞区域有交点,设交点为i2,则将射线改为从当前起始点到交点i2的线,并重新计算zb(i2);
37、步骤s45:将i1或i2作为当前的起始点,更新成本dl(i)和估计成本gc(i),
38、步骤s46:重复步骤s42-步骤s45,直至达到预设边界或找到到达目标的路径;根据最终找到的路径,计算最终的zb(i),即从全局起点到全局目标点的实成本,并得到最优路径。
39、进一步地,在步骤s5中,所述定义目标函数是将路径长度、角度变化、偏离预设路线距离和运行时间作为评价搜索路径的参考因素,选择加权结果最小的路径作为最优路径选择。
40、本发明提供的基于人工智能的无人机路径规划系统,包括数据采集模块、预定义模块、更新成本模块、路径规划模块和目标函数模块;
41、所述数据采集模块采集无人机位置数据,禁飞区域数据、无人机的速度数据和无人机的姿态数据,并将数据发送至预定义模块;
42、所述预定义模块接收数据采集模块发送的数据,定义飞行速度、飞行距离和估计成本,并将数据发送至更新成本模块;
43、所述更新成本模块接收预定义模块发送的数据,通过更新最短路径成本、更新估计成本、设计评价函数进而得到总成本,并将数据发送至路径规划模块;
44、所述路径规划模块接收更新成本模块发送的数据,基于根据禁飞区域的不同情况找到切点和停止点,通过评价函数选择切点,从而进行路径规划,并将数据发送至目标函数模块;
45、所述目标函数模块接收路径规划模块发送的数据,将路径长度、角度变化、偏离预设路线距离和运行时间作为评价搜索路径的参考因素,选择加权结果最小的路径作为最优路径选择。
46、采用上述方案本发明取得的有益效果如下:
47、(1)针对一般无人机路径规划过程中存在考虑因素不当导致路径规划准确性低的问题,本方案综合考虑路径耗能和禁飞区域,提高安全性,权衡耗能成本和估计成本评估路径的可行性和效率,基于设计评价函数得到总成本量化路径的优劣。
48、(2)针对一般无人机路径规划方法存在遍历不当降低搜索效率,无法实时更新起始点和成本导致搜索灵活性差的问题,本方案通过检查禁飞区域,针对不同禁飞区域情况得到切点和停止点进行路径规划,减少遍历,提高搜索效率,根据禁飞区域位置实时调整切点和停止点,自适应避开禁飞区域。
1.基于人工智能的无人机路径规划方法,其特征在于:该方法包括以下步骤:
2.根据权利要求1所述的基于人工智能的无人机路径规划方法,其特征在于:在步骤s3中,所述更新成本具体包括以下步骤:
3.根据权利要求1所述的基于人工智能的无人机路径规划方法,其特征在于:在步骤s2中,所述预定义具体包括以下步骤:
4.根据权利要求1所述的基于人工智能的无人机路径规划方法,其特征在于:在步骤s1中,所述数据采集是采集无人机位置数据,禁飞区域数据、无人机的速度数据和无人机的姿态数据。
5.根据权利要求1所述的基于人工智能的无人机路径规划方法,其特征在于:在步骤s5中,所述定义目标函数是将路径长度、角度变化、偏离预设路线距离和运行时间作为评价搜索路径的参考因素,选择加权结果最小的路径作为最优路径选择。
6.基于人工智能的无人机路径规划系统,用于实现如权利要求1-5中任一项所述的基于人工智能的无人机路径规划方法,其特征在于:包括数据采集模块、预定义模块、更新成本模块、路径规划模块和目标函数模块;